logo-polimi
Loading...
Manifesto
Struttura Corso di Studi
Cerca/Visualizza Manifesto
Dati Insegnamento
Scarica il Manifesto
Regolamento didattico
Consulta il Regolamento
Indicatori corsi di studio
Elenco docenti
Strutture didattiche
Internazionalizzazione
Orario Personalizzato
Il tuo orario personalizzato è disabilitato
Abilita
Ricerche
Cerca Docenti
Cerca Insegnamenti
Cerca insegnamenti degli Ordinamenti precedenti al D.M.509
Erogati in lingua Inglese

Legenda
Semestre (Sem)
1Primo Semestre
2Secondo Semestre
AInsegnamento Annuale
Attività formative
CAffini o integrative
Lingua d'erogazione
Insegnamento completamente offerto in lingua italiana
Insegnamento completamente offerto in lingua inglese
--Non definita
Didattica innovativa
I CFU riportati a fianco a questo simbolo indicano la parte dei CFU dell'insegnamento erogati con Didattica Innovativa.
Tali CFU riguardano:
  • Cotutela con mondo esterno
  • Blended Learning & Flipped Classroom
  • Massive Open Online Courses (MOOC)
  • Soft Skills
Dati Insegnamento
Contesto
Anno Accademico 2024/2025
Scuola Scuola di Ingegneria Industriale e dell'Informazione
Corso di Studi (Mag.)(ord. 270) - MI (476) Electronics Engineering - Ingegneria Elettronica
Piano di Studio preventivamente approvato PSS - ELECTRONICS ENGINEERING
Anno di Corso 2

Scheda Insegnamento
Codice Identificativo 062130
Denominazione Insegnamento SIGNAL PROCESSING AND LEARNING
Tipo Insegnamento Monodisciplinare
Crediti Formativi Universitari (CFU) 10.0
Semestre Primo Semestre
Programma sintetico Il corso affronta i fondamentali della teoria della stima, l'elaborazione statistica dei segnali e l'analisi di serie temporali di dati usando un approccio application-driven con esempi pratici da diversi campi dell'ingegneria come sistemi GPS e di navigazione, comunicazioni audio/video e digitali, analisi vibrazionale, e tele-rilevamento. L'obiettivo è quello di acquisire conoscenza sui seguenti-argomenti chiave: l'algebra per l'elaborazione del segnale e teoria della stima, fondamenti della teoria della stima (BLU, MLE, CRB, MMSE, MAP), parameter tracking e filtraggio Kalman, filtraggio adattativo LMS/RLS, analisi spettrale (AR/MA/ ARMA) e metodi ad alta risoluzione per elaborazione di array, detection theory, pattern e feature detection/classification, e metodi di classificazione supervisionati / non supervisionati. Gli esercizi sono su aspetti teorici e casi pratici con l'uso del software Matlab e la simulazione di Montecarlo. Durante il semestre ci sono 3 esercizi interattivi su casi pratici di studenti organizzati in gruppi di lavoro.
Settori Scientifico Disciplinari (SSD)
Attività formative Codice SSD Descrizione SSD CFU
C
ING-INF/03
TELECOMUNICAZIONI
10.0
Didattica innovativa L'insegnamento prevede  1.0  CFU erogati con Didattica Innovativa come segue:
  • Blended Learning & Flipped Classroom

Orario: aggiungi e rimuoviScaglioneDocente/iLingua offertaProgramma dettagliato
Da (compreso)A (escluso)
---AZZZZSpagnolini Umberto
manifesti v. 3.9.3 / 3.9.3
Area Servizi ICT
26/04/2025